结合Python库（TensorFlow）展示神经网络的函数拟合过程

开发此小程序的主要意图包含两个方面：

1. 旨在向团队成员展示神经网络具备拟合函数的能力；

2. 通过可视化方式直观体验各类参数对拟合过程所产生的影响。

以下界面是采用tkinter库构建的图形用户界面，其布局设计较为简陋，敬请谅解。

1. 网络结构：

相关理论指出：若隐藏层中节点数量足够丰富，仅需三层BP网络即可实现对任意连续函数的逼近。

在程序实现过程中，所采用的网络架构较为简洁：输入层为1个节点，输出层亦为1个节点，中间隐藏层默认设置为10个节点，该数值可依据需求进行调整。所选用的目标函数为二次函数，并在数据点中加入了噪声以增强复杂性。

2. 数据量不足时易引发过拟合现象：

当数据点数量仅为4个时，为了使损失值达到最小化，神经网络会精确通过这四个点，最终的学习结果表现为三个分段函数。然而，这一结果与原本设定的二次函数目标存在显著偏差，从而导致了明显的过拟合问题。